Promoting early childhood development through a public programme: Wawa Wasi in Peru
Bibliographic record
Abstract
Este artículo presenta los resultados de un estudio de Young Lives sobre el impacto y las percepciones del Programa Nacional Wawa Wasi, un programa del gobierno peruano para niños pobres de entre seis y 48 meses. Hasta ocho niños pasan cinco días a la semana en un centro de Wawa Wasi donde son asistidos por un cuidador cuidadosamente seleccionado de la comunidad local. Los resultados sugieren que los niños que han pasado en al menos seis meses en un centro tienen indicadores similares en el motor grueso, el lenguaje y el motor fino desarrollo a los niños que se han quedado en casa. Las entrevistas con varios actores clave indicaron una resultado positivo: los centros son entornos donde los niños se mantienen seguros y alimentados con comidas nutritivas, liberando a las madres de preocupaciones y permitiéndoles trabajar o estudiar. Sin embargo, el objetivo de Wawa Wasi de mejorar el desarrollo de los niños no se prioriza lo suficiente. Hay una necesidad de Wawa Wasi gerentes para fortalecer los componentes de aprendizaje temprano del programa, para mejorar las habilidades de aquellos que brindan atención y reconocen la dedicación de cuidadores y voluntarios pagados que han contribuido al éxito de Wawa Wasi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".